-
题名基于多任务不确定性损失的电站锅炉关键指标预测
- 1
-
-
作者
王宇飞
李楠
谢刚
张晓红
聂晓音
周勇
-
机构
太原科技大学先进控制与工业智能山西省重点实验室
山西华光发电有限责任公司
-
出处
《热力发电》
北大核心
2025年第5期132-139,共8页
-
基金
山西省科技重大专项计划(202201090301013)
山西省研究生科研创新项目(2023KY637)。
-
文摘
随着电站锅炉灵活运行需求的增加,频繁的变负荷运行导致污染物含量和烟气参数大范围波动,对单一污染物或烟气参数等关键指标进行建模已无法满足电厂实际需求,因此需要考虑多种关键指标的耦合性进行协同预测建模。基于燃煤电厂的历史运行数据,通过核函数映射进行特征提取,构建硬参数共享结构的长短时记忆神经网络进行多任务预测建模,利用不确定性损失的方法优化预测模型。实验结果表明,所提出的预测模型在变负荷工况下表现出较高的预测精度,对于所涉及的关键指标空气预热器出口烟气含氧量、烟气温度、炉膛出口NO_(x)质量浓度的预测,均方根误差分别降低了25.5%、41.8%和4.7%。所提方法能够在变负荷工况下对电站锅炉多个关键指标进行预测,能够辅助电厂实现污染控制和燃烧效率优化,可为电厂智能化运行提供技术支持。
-
关键词
燃煤锅炉
预测模型
LSTM神经网络
多任务学习
不确定性损失
-
Keywords
coal-fired boiler
prediction model
LSTM neural network
multi-task learning
uncertainty loss
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于域适应物理信息神经网络的时间序列预测方法
- 2
-
-
作者
曹力丰
阎高伟
肖舒怡
董珍柱
董平
-
机构
太原理工大学电气与动力工程学院
山西华光发电有限责任公司
-
出处
《自动化学报》
北大核心
2025年第6期1329-1346,共18页
-
基金
国家自然科学基金(61973226)
山西省科技重大专项(202201090301013)
+2 种基金
山西省自然科学青年基金(202203021222101)
格盟集团科技创新基金(2023-05)
山西省研究生科研创新项目(2024KY268)资助。
-
文摘
基于机器学习的预测方法通常能够实现较高的拟合精度,但模型可解释性和泛化性能较差.在工业过程中,由于概念漂移现象的存在,这些方法的稳定性受到影响,使得在复杂工业环境中精确建模成为一项既困难又具挑战性的任务.为此,提出一种基于线性动力算子的域适应物理信息神经网络方法.首先通过历史工况数据建立线性动力算子神经网络模型,捕获多变量时间序列数据的动态特性.然后通过前向欧拉法对机理模型进行离散化,构造物理信息正则化项,促使模型服从机理约束.最后通过最大均值差异对历史工况和当前工况下隐藏层状态变量进行分布对齐,构建域适应损失,降低变工况下数据分布变化对模型的影响.在多个数据集上的实验表明,该方法可以有效提高模型预测精度和泛化性能.
-
关键词
物理信息机器学习
概念漂移
域适应
线性动力算子神经网络
-
Keywords
Physics-informed machine learning
concept drift
domain adaptation
linear dynamical operator neural network
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
